Geri Dön

Derin öğrenme algoritmalarına dayalı tahmin: BİST100 ve USD/TRY üzerine bir uygulama

Prediction based on deep learning algorithms: an application on BİST100 and USD/TRY

  1. Tez No: 797284
  2. Yazar: TUĞBERK KORAY YÜCEL
  3. Danışmanlar: DOÇ. DR. NECLA GÜNDÜZ TEKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 60

Özet

Günlük hayatta zaman serisi verileri oldukça karmaşık problemler içermektedir. Bundan dolayı zaman serisi veri analizi ve tahminini tutarlı şekilde yapmak önemlidir. Teknolojik gelişmeler sayesinde günümüz bilgisayarlarının performansları artmış ve bu artışa bağlı olarak birçok amaca hizmet eden algoritmalar geliştirilmiştir. Geliştirilen bu algoritmalar her alanda olduğu gibi zaman serisi analizlerinde de uygulanmakta ve karar vericinin farklı boyutlarını destekleyen roller üstlenmektedir. Özellikle finans alanında önceden öngörülmesi önemli olan borsa işlemlerinde bu tahmin algoritmalarına çok fazla başvurulmaktadır. Farklı istatistiksel ve matematiksel analiz, makine öğrenmesi ve derin öğrenme zaman serisi analizinde ve gelecek tahmini yapabilmek için kullanılmaktadır. Bu algoritmalar geleneksel yöntemlere göre daha üstün performans sergilemiş ve kullanımları yaygınlaşmıştır. Bu çalışmada Yahoo Finans üzerinden elde edilen Bist100 ve USD/TRY endekslerine ait 5 yıl (09.03.2017-09.03.2022) geriye dönük verileri kullanılarak derin öğrenme ve makine öğrenmesi yöntemleriyle kapanış fiyat tahminleri tahmin edilebilirliği ve bu yöntemlerin uygulanabilirliği araştırılmıştır. Çalışmada veri, eğitim verisi (%80) ve test verisi (%20) olmak üzere ikiye ayrılarak, Tekrarlayan Sinir Ağı (RNN) ve Uzun-Kısa Vadeli Bellek (LSTM) yöntemleriyle tahminleri yapılmıştır. Uygulanan yöntemlerden ulaşılan sonuçlar tahminlerin dönemin olumsuzluklarından etkilenerek bazı sapmalar gerçekleştirdiği ve uygulanan yöntemlerin kısa dönemli veriler ile veya teknik/temel analiz uygulanmış verilerle daha tutarlı sonuç verebileceği düşünülmektedir.

Özet (Çeviri)

In daily life, time series data contains very complex problems. Therefore, it is important to analyze and forecast time series data consistently. Thanks to technological advances, the performance of today's computers has increased and algorithms that serve many purposes have been developed. These algorithms are applied in time series analysis as in every field and play roles that support different dimensions of the decision maker. Especially in the field of finance, these forecasting algorithms are widely used in stock market transactions, which are important to predict in advance. Different statistical and mathematical analysis, machine learning and deep learning are used in time series analysis and future prediction. These algorithms have shown superior performance compared to traditional methods and their use has become widespread. In this study, we investigate the predictability and applicability of closing price forecasts with deep learning and machine learning methods using 5-year (09.03.2017-09.03.2022) retrospective data of BIST100 and USD/TRY indices obtained from Yahoo Finance. In the study, the data was divided into two parts as training data (80%) and test data (20%) and predictions were made with Recurrent Neural Network (RNN) and Long-Short Term Memory (LSTM) methods. The results obtained from the applied methods show that the forecasts are affected by the adverse conditions of the period and some deviations are realized, and it is thought that the applied methods can give more consistent results with short-term data or data with technical/basic analysis.

Benzer Tezler

  1. Finansal alanda yapay zekâ: Makine öğrenmesi algoritmalarıyla hisse senedi fiyat tahmini

    Artificial intelligence in finance: Stock price prediction with machine learning algorithms

    SHAHIDA BARATOVA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İşletmeDokuz Eylül Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. SEVİNÇ GÜLER ÖZÇALIK

  2. Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi

    Load forecasting and decision support system for electric vehicles use

    HATİCE MENEKŞE KÖSEMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. ORHAN TORKUL

  3. İnsansız hava araçlarında gerçek zamanlı nesne tespiti ve sınıflandırma için gömülü sistem ve derin öğrenme tekniklerinin kullanılması

    Using embedded system and deep learning techniques for real-time object detection and classification in unmanned vehicles

    ZİYA SAYGILI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Mekatronik MühendisliğiSelçuk Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN

  4. Demiryolları için nesnelerin interneti ile uzaktan izlenebilen ray sıcaklığı ve tren hızı ölçüm sistemi tasarımı ve meteoroloji ile saha verisi üzerinden makine öğrenmesi/derin öğrenme ile zamana dayalı ray sıcaklığı tahmini

    Designing train speed and rail temperature measurement system with remote monitoring by internet of things and time based prediction of rail temperature with machine learning/deep learning

    EREN ERDİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA TURHAN ÇOBAN

  5. Deep reinforcement learning for partially observable markov decision processes

    Kısmi gözlemlenebilir markov karar süreçleri için derin pekiştirmeli öğrenme

    MEHMET HAKLIDIR

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ